CTR預估 論文精讀(十)--xDeepFM: Combining Explicit and Implicit Feature Interactions for Recommender Systems

1. 手動提取特徵的缺點 挖掘高質量的交互特徵需要非常專業的領域知識並且需要做大量嘗試，耗費時間和精力。 在大型推薦系統中，原生特徵非常龐大，手動挖掘交叉特徵幾乎不可能。 挖掘不出肉眼不可見的交叉特徵。 2. FM系列模型 FM模型：提取隱向量然後做內積的形式來提取交叉特徵，擴展的FM模型更是可以提取隨機的高維特徵（DeepFM），缺點：會學習所有交叉特徵，其中肯定會包含無用的交叉組合，這些組合會

>>阅读原文<<